En el marco de AWS re:Invent 2025, se dejó en claro que el ciclo de entusiasmo en torno a los chatbots ha llegado a su fin. En su lugar, emergen los agentes de inteligencia artificial de frontera, un avance significativo que promete revolucionar la manera en que interactuamos con la tecnología. Este evento, celebrado en Las Vegas, marcó un cambio de paradigma en la industria, donde la simple conversación se transforma en un trabajo autónomo que puede extenderse por días.
La transición de la fase de novedad de la inteligencia artificial generativa a una era más pragmática de economía de infraestructura y operativa es evidente. Ya no se trata de la fascinación por un bot que escribe poemas, sino de enfrentar los costos reales asociados con la infraestructura necesaria para operar estos sistemas a gran escala.
Hasta hace poco, desarrollar agentes de inteligencia artificial que pudieran realizar tareas complejas y no determinísticas era un verdadero desafío de ingeniería. Los primeros adoptantes se vieron obligados a invertir recursos significativos para integrar herramientas que gestionaran el contexto, la memoria y la seguridad. Para simplificar esta complejidad, AWS presentó Amazon Bedrock AgentCore, un servicio gestionado que funciona como un sistema operativo para estos agentes, encargándose de la gestión del estado y la recuperación de contexto.
Los beneficios de estandarizar esta capa son innegables. Por ejemplo, MongoDB optó por abandonar su infraestructura personalizada a favor de AgentCore, lo que les permitió consolidar su cadena de herramientas y lanzar una aplicación basada en agentes en apenas ocho semanas, un proceso que anteriormente requería meses de evaluación y mantenimiento. Similarmente, el PGA TOUR logró construir un sistema de generación de contenido que incrementó su velocidad de escritura en un impresionante 1,000 por ciento mientras reducía costos en un 95 por ciento.
AWS también presentó tres agentes de inteligencia artificial de frontera: Kiro (un desarrollador virtual), un Agente de Seguridad y un Agente de DevOps. Kiro no se limita a completar código; se integra directamente en los flujos de trabajo con “poderes” que permiten actuar con contexto, en lugar de simplemente adivinar la sintaxis.
Sin embargo, el uso de agentes que operan durante días implica un consumo masivo de recursos computacionales. Si se pagan tarifas estándar por demanda, el retorno de inversión (ROI) se desvanece rápidamente. Consciente de esto, AWS lanzó este año anuncios de hardware agresivos, como los nuevos Trainium3 UltraServers, que, impulsados por chips de 3nm, prometen un aumento del 4.4 veces en el rendimiento computacional en comparación con la generación anterior. Esto permite que las organizaciones que entrenan modelos de base masivos reduzcan los tiempos de entrenamiento de meses a semanas.
Un aspecto crucial es la ubicación de este poder computacional. La soberanía de datos sigue siendo un dolor de cabeza para las empresas globales, lo que a menudo obstaculiza la adopción de la nube para cargas de trabajo de inteligencia artificial sensibles. Para abordar esto, AWS propone “Fábricas de IA”, que consisten en enviar racks de chips Trainium y GPUs de NVIDIA directamente a los centros de datos de los clientes. Esta estrategia híbrida reconoce que, para ciertos datos, la nube pública aún está demasiado lejos.
A pesar de los avances, la innovación en los agentes de inteligencia artificial de frontera enfrenta un obstáculo: la deuda técnica que agobia la mayoría de los presupuestos de TI. Los equipos dedican alrededor del 30 por ciento de su tiempo solo a mantener las operaciones. Durante re:Invent 2025, Amazon actualizó AWS Transform para abordar este problema, utilizando inteligencia artificial para llevar a cabo el trabajo pesado de modernización de código legado. Este servicio ahora puede gestionar la modernización completa de aplicaciones Windows, incluyendo actualizaciones de aplicaciones .NET y bases de datos SQL Server. Air Canada utilizó esta herramienta para modernizar miles de funciones Lambda, completando el proceso en días, cuando hacerlo manualmente habría costado cinco veces más y llevado semanas.
Para los desarrolladores que desean escribir código, el ecosistema se está expandiendo. El Strands Agents SDK, que anteriormente solo era compatible con Python, ahora admite TypeScript, lo que aporta seguridad de tipos a la salida caótica de los modelos de lenguaje y representa una evolución necesaria.
Sin embargo, existe un riesgo inherente. Un agente que opera de manera autónoma durante días también puede causar estragos en una base de datos o filtrar información personal sin que nadie lo note hasta que sea demasiado tarde. AWS busca mitigar este riesgo con “AgentCore Policy”, una función que permite a los equipos establecer límites en lenguaje natural sobre lo que un agente puede y no puede hacer. Junto con “Evaluaciones”, que utiliza métricas predefinidas para monitorear el rendimiento del agente, se establece una red de seguridad indispensable.
Las actualizaciones al Security Hub también ofrecen un impulso a los equipos de seguridad, que ahora pueden correlacionar señales de GuardDuty, Inspector y Macie en eventos únicos, en lugar de inundar el panel con alertas aisladas. GuardDuty, además, está expandiéndose, utilizando aprendizaje automático para detectar patrones de amenazas complejas en clústeres de EC2 y ECS.
Claramente hemos superado la etapa de programas piloto. Las herramientas presentadas en AWS re:Invent 2025, desde silicio especializado hasta marcos de gobernanza para agentes de inteligencia artificial de frontera, están diseñadas para producción. La pregunta que ahora enfrentan los líderes empresariales ya no es “¿qué puede hacer la inteligencia artificial?”, sino “¿podemos permitirnos la infraestructura necesaria para que cumpla su función?”.
